yolov5

Ultralytics YOLOv5 est un framework open-source de vision par ordinateur largement utilisé, construit sur PyTorch. Il propose des modèles pré-entraînés et entraînables pour la détection d'objets, la segmentation d'instances et la classification d'images. Ses principales capacités incluent : - Inférence via PyTorch Hub ou le script detect.py, supportant les images, vidéos, webcams, flux RTSP et captures d'écran - Entraînement sur des datasets personnalisés avec support des configurations mono-GPU et multi-GPU - Export des modèles vers ONNX, TensorRT, CoreML, TFLite et d'autres formats de déploiement - Points de contrôle pré-entraînés disponibles en tailles nano (n), small (s), medium (m), large (l) et extra-large (x) - Tutoriels supplémentaires couvrant l'apprentissage par transfert, l'augmentation de données au test, le pruning, l'évolution des hyperparamètres et le déploiement matériel (dont NVIDIA Jetson) - Intégrations avec des plateformes de suivi d'expériences telles que ClearML, Weights & Biases et Comet Le projet nécessite Python 3.8+ et PyTorch 1.8+. Les modèles et datasets sont téléchargés automatiquement depuis les releases. L'entraînement sur le dataset COCO est illustré avec des commandes d'exemple, et des tableaux de benchmark rapportent les scores mAP et la vitesse d'inférence entre variantes de modèles.